面向泛在（如移動計算）、高風險（如精準醫療）、高可靠性（如智慧型交通）等應用場景，突破深度學習理論基礎薄弱、模型結構單
一、資源消耗過高、資料依賴性強的瓶頸。
研究下一代深度學習理論基礎；非神經網路、資源節約型深度學習模型、方法及高效優化技術；適於小樣本/無監督樣本、強化/博弈學習的深度學習方法與技術。
深度神經網路已在多種雲端和終端應用中起到了關鍵性支撐作用。然而，現有晶元遠遠難以滿足深度神經網路的速度和能效需求，有必要探索能高效處理大規模深度神經網路的新型處理器的設計原理、體系結構、指令集和程式語言；探索深亞微公尺工藝（≤16nm）對深度神經網路處理器設計方法的影響。研製新型深度神經網路處理器晶元。
深度學習理論基礎11 輸出層的設計
首先，繼續上節的話題。softmax 函式。這只就是softmax函式了。其中a代表輸出層的輸入資料，ak代表第k個輸入。如果你覺得又難理解又難記，其實可以拆成3步來理解 1.把所有的輸入計算成序列 e a1 e a2 e a3 e an 用np的廣播功能一行就能搞定 2.計算得到上面的結果之和su...
關於深度學習理論和架構的最新綜述 附錄
a.4.journals and conferences 大多數時候，人們使用不同的深度學習框架和標準開發套件 sdk 來實現深度學習方法，如下所示 以下是經常用於評估不同應用領域深度學習方法的基準資料集列表 資料集列表用於影象處理和計算機視覺領域 flickr 8k 一般而言，研究人員在arxiv...
基於統計學習理論的支援向量機演算法研究
blog 基於統計學習理論的支援向量機演算法研究 1 理論背景基於資料的機器學習是現代智慧型技術中的重要方面，研究從觀測資料 樣本 出發尋找規律，利用這些規律對未來資料或無法觀測的資料進行 迄今為止，關於機器學習還沒有一種被共同接受的理論框架，關於其實現方法大致可以分為三種 3 第一種是經典的 引數...